A Study on Recurrent Neural Networks-based Learning Method for Dynamic Model of Pneumatic Systems

본 논문은 순환 신경망 모델에 근간을 두어 공기의 압축성, 마찰과 같은 시스템 내부 외란을 포함한 공압 시스템의 동적 모델을 학습하는 방법을 제안한다. 제안한 학습 방법은 순환 신경망 모델을 기반으로 하여 공압 시스템에 적합한 학습 조건(하이퍼 파라미터)을 제시한다. 이때, 학습을 위해 사용된 데이터는 SIL(Software-in-the- loop) 시뮬레이터를 통해 공압 시스템에서의 데이터를 취득하였고, 학습된 동적 모델에 대한 학습 적중률은 학습에 사용되지 않은 데이터에 기반을 두어 도출하였다. 추가로, 제안된 학습 방법의 효율성은 신경망 모델중 가장 많이 사용되는 다층 퍼셉트론 신경망(Multi-layer Perceptron Neural Network) 모델에 근간을 둔 학습 결과와의 비교를 통해 증명하였으며, 순환 신경망 모델에 속한 은닉층에 구성된 노드 수에 따른 결과 분석으로부터 제안된 학습 방법에서 사용된 구성에 대한 우수함을 입증하였다.